遼寧省霾天氣季節(jié)變化特征及其主導因子分析*

崔 妍 趙春雨

遼寧省氣候中心,沈陽 110016

提 要：利用遼寧省51個地面氣象觀測站的能見度、均一化相對濕度和天氣現(xiàn)象資料,采用最優(yōu)距離法和固定比例法對能見度資料進行一致性處理,重建了1961—2020年的遼寧省逐日霾資料,并利用該資料對遼寧省年和四季霾日時空變化特征和主導因子進行分析。結果表明,1961—2020年遼寧省平均年霾日呈顯著增加趨勢[2.1 d·(10 a)-1],但2015年以來霾日顯著減少;空間上,年和四季霾日呈現(xiàn)一致的分布特征,均存在1個高值中心(沈陽)和2個副高值中心(北票和錦州),年平均霾日分別為139、52、46 d,遼東和遼西山區(qū)為霾日低發(fā)區(qū),年平均霾日在20 d以內。風向和風速是霾日形成的重要氣象因子,西南偏南風增加帶來的暖濕氣流對春季、夏季和秋季霾日的形成貢獻較大,北風的減少則對冬季霾日的形成貢獻較大。霾發(fā)生時遼寧省春季、夏季和秋季發(fā)生西南偏南風的頻率分別由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%,冬季則表現(xiàn)為北風發(fā)生頻率的減少和靜風發(fā)生頻率的增加;霾發(fā)生時四季風速均較平均狀況偏小,說明小風有利于霾的形成。遼寧省霾長期演變受到污染物排放、風力因子和環(huán)境政策等多種因素影響,1980—2003年霾日的不斷增加是污染物增多和風速減小共同導致的,2015年以來的霾日減少則可能與大氣污染防治引起的PM2.5減少有關,同時較少的小風日數(shù)也為霾日減少提供了有利的氣象條件。

引 言

霾是由氣溶膠微粒導致的低能見度災害性天氣現(xiàn)象(中國氣象局,2003;石春娥等,2021),可對社會生活和人體健康產生不良影響(殷永文等,2011;孫維哲等,2016;謝鵬等,2010)。近年來全國空氣質量總體有改善,但霾天氣仍時有發(fā)生(Lv et al,2020)。霾作為一種災害性天氣,其預報預測一直是氣象部門的重要業(yè)務和服務領域之一,對霾天氣的季節(jié)特征進行研究,探討霾日形成和變化的影響因子,是進行霾日預測的前提和基礎。

20世紀60年代國外就出現(xiàn)了眾多霾日時空特征和變化趨勢方面的研究(Munn,1973;Malm,1992;Schichtel et al,2001)。國內,霾的早期研究主要致力于霾日的界定和判識,高歌(2008)采用天氣現(xiàn)象中的霾日分析了中國霾日的氣候特征,但由于霾觀測受觀測員主觀影響較大,天氣現(xiàn)象報表中的霾日資料地區(qū)差異特別明顯,因此吳兌等(2014)建議采用能見度、天氣現(xiàn)象和相對濕度來綜合判斷,增加霾日分析的科學性。趙普生等(2011)對采用日均和14時兩種方法得到的霾日進行了比較分析,指出兩種方法在分析霾日長期演變特征時都適用;采用14時法可能出現(xiàn)對霾天氣的漏記,日均法則可識別長時間大范圍的霾過程。李星敏等(2022)分別采用2010年行標和2018年國標對陜西霾進行判識,指出以霾持續(xù)6 h以上作為判定標準,兩者得到的霾日數(shù)相當。自2013年1月中國中東部出現(xiàn)持續(xù)性強霧-霾事件之后,霾天氣氣候特征研究成果不斷涌現(xiàn),總體而言,中國霧-霾呈現(xiàn)東部多西部少的空間分布特征,京津冀、珠江三角洲和長江三角洲是中國霾事件高發(fā)區(qū);時間上,從20世紀80年代以來霾日明顯增加,且多發(fā)生在冬季(吳兌等,2010;宋連春等,2013;孔鋒等,2017;蔣璐君等,2020;劉瑞翔等,2020)。造成霾日不斷增加的原因除了人類活動導致的污染物顆粒和氣溶膠濃度增多外,風速、濕度以及近地面輸送條件也與霾的形成及長期變化密切相關(胡亞旦和周自江,2009;宋連春等,2013)。此外,東亞冬季風、北極海冰、北大西洋海溫以及西北太平洋關鍵區(qū)海溫都與中國冬季霾日的年際和年代際變化關系顯著(尹志聰?shù)?2015;Yin et al,2015;吳萍等,2016;Wang et al,2015;嚴中偉等,2018)。

盡管霧-霾研究已經有了不少成果,但針對遼寧地區(qū)的分析仍然比較少見。研究時段多以年尺度或者冬季開展(宋連春等,2013;丁一匯和柳艷菊,2014;Ding and Liu,2014;羅玉等,2021),很少對季節(jié)尺度的霾日特征進行分析。同時,相關研究資料缺少對自動觀測后的能見度偏差進行訂正,相對濕度資料也未經過嚴格的均一化檢驗和訂正。因此,本文利用1961—2020年遼寧省51個地面氣象觀測站資料和國家氣象信息中心最新發(fā)布的均一化相對濕度資料,采用最優(yōu)距離法和固定比例法對能見度進行一致性處理,重建了1961—2020年的遼寧省逐日霾資料,并利用該資料對遼寧地區(qū)霾日的季節(jié)特征和主導因子進行分析,為進一步開展不同季節(jié)霾天氣的預報預測提供理論依據。

1 資料和方法

1.1 資 料

本文所用資料包括1961—2020年遼寧省51個地面氣象觀測站的逐日相對濕度、能見度、天氣現(xiàn)象以及風速風向資料;其中逐日能見度、天氣現(xiàn)象和風速風向資料來源于遼寧省氣象信息中心,已經過嚴格質量控制;相對濕度資料來源于國家氣象信息中心制作的《中國國家級地面氣象站均一化相對濕度日值數(shù)據集 (V1.0)》。此外,本文還使用了1980—2020年遼寧省逐年原煤消費總量資料(遼寧省統(tǒng)計年鑒,https:∥tjj.ln.gov.cn/tjj/tjxx/xxcx/tjnj/index.shtml)和2015—2020年PM2.5歷史觀測數(shù)據(中國空氣質量在線分析平臺,https:∥www.aqistudy.cn/historydata/)。

1.2 方 法

1.2.1 能見度訂正方法

1949年以來我國能見度觀測主要經歷了3次變化。1980年之前能見度觀測依據規(guī)范以等級方式記錄,1980年之后執(zhí)行新的《地面氣象觀測規(guī)范》(中國氣象局,2003),以千米記錄(丁一匯和柳艷菊,2014;Ding and Liu,2014)。理論上,能見度等級可以被換算為其區(qū)間內的任意值,一些研究中將其換算為中間值(王業(yè)宏等,2009),但能見度等級對應的距離在等級區(qū)間內并非均勻分布,因此使用中間值進行替換可能導致較大的偏差(Wu et al,2012)。本文選擇最優(yōu)距離進行替換,首先根據能見度等級對照表,將1980—2013年的能見度距離轉為等級,然后將每個等級的能見度距離平均值作為該等級最優(yōu)距離,最后將1961—1979年的能見度等級按照最優(yōu)距離換算成能見度距離(Chen and Wang,2015)。2014年之后,能見度開始由人工觀測轉為自動觀測,由于兩者定義與原理不同,自動觀測能見度通常較人工觀測偏小,其理論值約為人工觀測值的76%(李浩和孫學金,2009)。樊高峰等(2017)對比分析了浙江省4個地區(qū)的人工和自動觀測能見度資料,自動和人工觀測的系數(shù)在0.68～0.86,平均為0.77。因此本研究也采用0.77系數(shù)對自動和人工觀測的能見度進行一致性處理(Pei et al,2018),將自動觀測能見度(V自動)修正至人工觀測(V人工):

式中k為消光系數(shù)。

1.2.2 相對濕度均一性檢驗和訂正方法

由于觀測儀器變化、觀測方式改變、氣象臺站遷移,氣候數(shù)據不可避免會存在一些不連續(xù)點(斷點)。均一性檢驗和訂正的目的就是為了消除這些人為因素導致的資料不連續(xù)。本文使用的相對濕度數(shù)據集采用客觀分析與主觀判斷相結合的技術思路,以國家氣象信息中心收集整理的中國地面臺站歷史沿革信息為主要依據,使用最大懲罰t檢驗(PMT)和最大懲罰F檢驗(PMFT)方法對資料非均一性進行檢驗,采用分位數(shù)訂正法(QM)對資料進行訂正(朱亞妮等,2015)。均一性檢驗和訂正通常分為3個步驟,首先是構建參考序列,參考序列必須具備氣候代表性,通常由待訂正站點周圍的若干個臺站資料建立;第二步是使用PMT/PMFT檢驗方法初步確定待訂正站點的不連續(xù)點;第三步是結合待訂正站點的臺站遷站、儀器變更等沿革信息對初步確定的不連續(xù)點進行主觀判斷,確定最終的不連續(xù)點;最后采用QM對資料進行訂正。全國共檢出和訂正不連續(xù)點2006個,涉及1640個站點,而遼寧省共訂正站點22個(朱亞妮等,2015)。

1.2.3 霾日判別方法

根據《霾的觀測和預報等級》(中國氣象局,2010)、吳兌(2008)和吳兌等(2014),將日均能見度<10 km,相對濕度<90%,并排除浮塵、揚沙、沙塵暴等明顯造成視程障礙的天氣現(xiàn)象定義為一個霾日(崔妍等,2015)。特別需要指出的是,在遼寧省各地區(qū)報表中,煙幕出現(xiàn)頻次較高,觀測中煙幕容易與霾混淆,因此不將煙幕進行排除(趙普生等,2011)。

將遼寧省51個站點進行空間平均得到全省平均霾日,采用最小二乘法估計其變化趨勢。為更好地分析霾日和原煤消耗量之間的關系,對序列進行了標準化處理,標準化距平序列由原始序列減去平均值除以標準差而得。

2 結 果

2.1 遼寧省四季霾日時空特征

2.1.1 遼寧省霾日長期演變特征

圖1給出了遼寧省51個站點平均霾日的年際變化曲線。由圖可見,1961—2020年遼寧省霾日呈顯著增加趨勢,平均每10年增加2.1 d。從其階段性變化看,遼寧省年霾日大致可分為3個階段,1980年之前遼寧省霾日呈緩慢增加趨勢[1.4 d·(10 a)-1],1980—2015年霾日急劇增加,增加率為1980年之前的1.7倍左右[2.4 d·(10 a)-1],2015年之后霾日不斷減少,2015—2020年遼寧省平均霾日為12.8 d,已經接近1980年之前的水平(圖1a)。與華北和安徽地區(qū)(石春娥等,2016)一致,2008—2012年遼寧省也出現(xiàn)了霾日階段性下降的變化特征,但遼寧省下降更早一些(從2003年開始),該階段遼寧省年霾日的減少主要是由沈陽霾日的減少造成,而沈陽霾日的減少則可能與沈陽市2002年開始實施的“東搬西建”戰(zhàn)略有關,“東搬西建”對鐵西區(qū)老舊國有企業(yè)實行整體搬遷和改造,改造后的老城區(qū)重點發(fā)展第三產業(yè),極大改善了環(huán)境質量。該戰(zhàn)略實施期間沈陽霾日從20世紀初的130 d·a-1減少至2013年的20 d·a-1左右。

圖1 1961—2020年遼寧省(a)年和(b)四季霾日年際變化

四季霾日變化與年基本一致,但又各具特點。春季、夏季和秋季霾日在1980年之前明顯較少,分別以0.17、0.34、0.30 d·(10 a)-1的速率緩慢增加,春季和秋季霾日增加率未通過0.05顯著性水平檢驗。之后春季霾日比較穩(wěn)定,除1998年、2003年和2008年霾日較多外,整體無明顯變化趨勢。夏季和秋季霾日則在1980—1993年緩慢增加,1994年之后急劇增加;夏季霾日在2008年達到峰值后緩慢減少,2015年之后迅速減少;秋季霾日則在2015年之前一直處于高位,之后與夏季霾日一樣迅速減少;1980—2015年夏季和秋季霾日分別以1.4 d·(10 a)-1和1.1 d·(10 a)-1的速率顯著增加。冬季霾日與其他季節(jié)略有不同,2000年之前呈現(xiàn)穩(wěn)定增加趨勢,在2000年達到峰值后不斷減少,2008年開始連續(xù)增加,2015年之后又開始下降。1961—2000年冬季霾日以1.6 d·(10 a)-1的速率增加,而2001—2019年則以1.9 d·(10 a)-1(未通過0.05顯著性水平檢驗)的速率減少?？傮w而言,遼寧省年和四季霾日在整個時段呈增加趨勢,1980年之前均比較少且緩慢增加,1980—2015年明顯增加,2015年之后迅速減少(圖1b)。

2.1.2 遼寧省霾日空間分布特征

空間上,遼寧省年和四季霾日基本呈現(xiàn)一致的分布特征,均表現(xiàn)為中部平原多,遼東和遼西山區(qū)少(圖2)。具體來看,遼寧省年平均霾日在0.5～139 d;年平均霾日在沈陽南部(沈陽)存在1個高值中心(139 d),朝陽東部(北票)和錦州西南(錦州)存在2個副高值中心,年平均霾日分別為52 d和46 d;中部平原和遼東灣北部地區(qū)年平均霾日在20～40 d;遼東和遼西山區(qū)則在20 d以內(圖2a)。從各季節(jié)來看,首先各季節(jié)的空間分布與年分布基本一致,高值中心和副高值中心在四季均存在;其次,春季和夏季霾日普遍較少,全省80%以上的地區(qū)霾日在5 d以下,秋季5 d以上霾日范圍明顯擴大,冬季除遼東和遼西地區(qū)外,全省一半以上地區(qū)霾日超過了5 d,10 d以上的霾日范圍也由秋季的8%(4個站)擴大至31%(16個站);最后從高值中心強度看,從春季至冬季,高值中心強度不斷增強,沈陽從春季30 d增加至冬季50 d,北票和錦州分別從6 d和7 d增加至26 d和21 d(圖2b～2d)。

圖2 1961—2020年遼寧省(a)年和(b～e)四季霾日空間分布

從季節(jié)霾日占比看(圖3),遼寧省各地區(qū)霾日高發(fā)季節(jié)是冬季和秋季,春季和夏季霾頻次較低。冬季遼寧省65%的地區(qū)(33個站)霾日占比在40%以上,多分布在中部平原和遼東地區(qū),撫順清原高達73%;秋季霾日占比多在20%～40%;夏季中部平原和遼東地區(qū)霾日占比在20%以內,遼西和遼南地區(qū)在20%～40%;春季除部分沿海站點外,其余大部分地區(qū)霾日占比均在20%以內。

圖3 1961—2020年遼寧省(a)春季,(b)夏季,(c)秋季和(d)冬季霾日占比空間分布

2.2 氣象因子對霾形成的影響

風速和風向對污染物輸送和擴散起著重要作用,對某一地區(qū)而言,風向可以決定給該地區(qū)帶來的是污染還是清潔空氣,風速則決定了向區(qū)域外輸送污染物的能力(陳鳳嬌等,2018)。為探討風速和風向對遼寧省霾形成的影響,本節(jié)分析了遼寧省四季平均主導風向以及霾發(fā)生時的主導風向。由于霾日判定時采用的條件是日均能見度和相對濕度,而風向觀測則是定時觀測,因此在進行主導風向統(tǒng)計時,將各測站、各季節(jié)定時觀測風向作為一個總樣本,樣本中出現(xiàn)頻次最高的風向即為季節(jié)主導風向,而所有霾日樣本中出現(xiàn)頻次最高的風向為霾日主導風向。

2.2.1 風向對霾形成的影響

圖4給出了1961—2020年遼寧省四季平均狀況和霾日發(fā)生時的風玫瑰圖?？梢钥闯?就平均狀況而言,除靜風外,遼寧省春季和夏季以偏南風為主導,春季西南偏南風頻次最高(11.4%),其次為南風(9.3%);夏季南風頻次最高(12.5%),其次為西南偏南風(12.1%);秋季北風和南風分量相當,北風和西南偏南風頻率分別為8.8%和8.0%;冬季則基本以偏北風為主,北風和西北偏北風頻率分別為10.0% 和9.0%,東北偏北風和西北風也達到7%以上。此外,靜風頻率也從春季的12.1%增加至冬季的19.7%,增加了62.8%,這可能也是遼寧冬季霾日頻發(fā)的原因之一。與平均狀況相比,霾日發(fā)生時,春季、夏季和秋季均表現(xiàn)為北風偏少而南風偏多的特征,西南偏南風頻率分別由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%,西南風可以帶來海上的水汽(高松影等,2020),增加局地相對濕度,促進吸濕性氣溶膠的吸濕增長,有利于霾的形成(吳兌,2006),說明對于春季、夏季和秋季,由西南風帶來的水汽對遼寧省霾天氣的形成具有較大貢獻。而對于冬季,霾日時的風向主要表現(xiàn)為北風頻率的減少和靜風頻率的增加,北風和西北偏北風頻率由平均狀況的10.0%和9.0%分別減少為6.9%和4.8%,靜風頻率由19.8%增加至22.0%。靜風不利于區(qū)域污染物向外擴散,尤其對于遼寧省中部城市群,冬季正好是當?shù)夭膳?燃煤所排放的顆粒物不斷排入大氣,增加了大氣中的氣溶膠粒子,靜風抑制了粒子的擴散從而增加了霾日出現(xiàn)的概率(陳鳳嬌等,2018;張英娟等,2015)。同時,北風帶來的冷空氣減少使得大氣水平運動和垂直運動均不活躍,不利于污染物顆粒的清除和稀釋(圖4d)。

圖4 1961—2020年遼寧省(a)春季,(b)夏季,(c)秋季和(d)冬季風向頻率和霾發(fā)生時風向頻率(單位:%)

2.2.2 風速對霾形成的影響

除了風向,風速也可能對霾的形成產生影響。圖5給出了1961—2020年遼寧省四季和霾日風速的概率密度分布。由圖可見,就平均狀況而言,遼寧省風速主要分布在0～6 m·s-1,約占全部風速的96%左右,春季在2.5 m·s-1達到峰值,夏季、秋季和冬季則約在2 m·s-1左右達到峰值。與平均值相比,夏季霾日風速并無明顯變化,但對于春季和冬季,霾發(fā)生時風速明顯減小,4 m·s-1以下的風速概率由65.2%和79.8%分別增加至75.7%和86.3%,2 m·s-1以下的則分別由22.2%和39.4%分別增加至28.1%和51.8%;秋季霾日風速也有所減小,并且主要是由3 m·s-1以下的風速貢獻?？傮w而言,相對于平均狀況,春季、秋季和冬季較小的風速增加了霾日發(fā)生的概率,較小的風速使得污染物不易擴散,容易在當?shù)囟逊e從而形成霾天氣(吳兌,2008)。

圖5 1961—2020年遼寧省(a)春季,(b)夏季,(c)秋季和(d)冬季風速概率密度和霾發(fā)生時風速概率密度

2.3 遼寧省霾日演變的主導因子

上文分析了風向、風速對霾日形成的影響,總體而言,高西南偏南風頻次、多靜風和小風等氣象條件有利于霾日的發(fā)生。為進一步分析氣象因素和污染物排放在霾長期演變中的作用,圖6給出了1980—2020年遼寧省霾日與原煤消耗總量、小風(風速≤2 m·s-1)日數(shù)和PM2.5的逐年變化,其中PM2.5資料長度為2015—2020年。由圖可見,1980—2020年遼寧省原煤消耗總量整體呈顯著增加趨勢,2010年之前逐年增加,2011—2017年原煤消耗量不斷減少,2018年以來又有所增加。就全省而言,1980—2003年,霾日和原煤消耗量基本呈現(xiàn)較為一致的趨勢變化,隨著原煤消耗的增加,霾日也不斷增加,相關系數(shù)可達0.76;在這一時期,小風日數(shù)也呈現(xiàn)一致的增加趨勢,其與霾日的相關系數(shù)為0.64;這說明在2003年之前,遼寧省霾日的不斷增加是燃煤增多和風速減小共同導致的。2003—2015年,原煤消耗仍然波動增加,霾日卻呈減少趨勢,這一階段的霾日變化可能與沈陽實施“東搬西建”戰(zhàn)略有關,“東搬西建”戰(zhàn)略實施期間沈陽霾日從20世紀初的130 d·a-1減少至2013年的20 d·a-1左右。2015年之后,遼寧省霾日顯著減少,該階段遼寧省大氣污染防治行動取得明顯成果,PM2.5濃度不斷減小,同時較強的風速和較少的小風日數(shù)也對該階段霾日減少提供了有利的氣象條件。

圖6 1980—2020年遼寧省霾日、原煤消耗總量、小風(風速≤2 m·s-1)日數(shù)和PM2.5的年際變化

3 結論和討論

本文利用1961—2020年遼寧省51個氣象觀測站的一致性能見度資料、均一化相對濕度資料以及天氣現(xiàn)象重建了遼寧省霾日序列,基于該序列對遼寧省不同季節(jié)的霾日時空特征進行分析,討論了風向風速對霾形成的影響,最后探討了遼寧省不同階段霾變化的主導因子,結果表明:

(1)過去60年遼寧省霾日呈顯著增加趨勢,但2015年以來霾日顯著減少。1961—2020年遼寧省年霾日以2.1 d·(10 a)-1的速率顯著增加,霾日變化大致可分為3個階段,1980年之前為緩慢增加期,1980—2015年為急劇增加期,2015—2020年為減少期,急劇增加期的變化率約為緩慢增加期的1.7倍。春季霾日整體上無明顯變化,夏季和秋季霾日在2008年之前逐漸增加,之后波動減少,冬季霾日在2000年達到峰值后波動減少;年和四季霾日在2015年之后均明顯減少。空間上,年和四季呈現(xiàn)一致的分布特征,表現(xiàn)為中部平原多、遼東和遼西山區(qū)少的分布型,同時年和四季均存在1個高值中心和2個副高值中心,年霾日分別為139 d(沈陽)、52 d(北票)和46 d(錦州)。各季節(jié)霾日比例上,遼寧各地區(qū)冬季霾日比例較高,春季較低,中部和東部冬季霾日比例在40%以上,春季和夏季比例多在20%以內。

(2)風向和風速是霾日形成的重要氣象因子,西南偏南風增加帶來的暖濕氣流對春季、夏季和秋季霾日形成貢獻較大,北風的減少則對冬季霾日形成貢獻較大,較小的風速對各季節(jié)霾日的形成均比較有利。與平均狀況相比,遼寧省春季、夏季和秋季霾發(fā)生時均表現(xiàn)為北風偏少而南風偏多的特征,西南偏南風的頻率分別由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%;而對于冬季,霾發(fā)生時的風向主要表現(xiàn)為北風頻率的減少和靜風頻率的增加。對風速而言,霾發(fā)生時四季風速均較平均狀況均偏小,春季和冬季偏小更為明顯,其2 m·s-1以下風速概率則分別由22.2%和39.4%增加至28.1% 和51.8%。

(3)霾的長期演變受到污染物排放、風力因子和環(huán)境政策等多種因素影響。1980—2003年遼寧省霾日的不斷增加是燃煤導致的污染物增多和風速減少共同導致的,兩者與霾日的相關系數(shù)分別為0.76和0.64;2003—2015年遼寧省霾日的減少可能與沈陽市實施的“東搬西建”戰(zhàn)略有關;2015年之后遼寧省霾日的顯著減少則可能與大氣污染防治導致的PM2.5濃度不斷減小有關,同時較少的小風日數(shù)也為霾日減少提供了有利的氣象條件。

本文利用重建后的霾序列分析了遼寧省年和四季霾日空間分布特征和時間變化規(guī)律,研究了風向、風速對霾形成的影響,探討了污染物排放、風力因子和環(huán)境治理對霾日階段性變化的影響。但本文的分析仍具有一定的局限性和不確定性,比如由于資料限制,污染物排放僅考慮了原煤消耗量,氣象因子也僅僅分析了風力條件這個單一氣象因子。但霾日的形成和變化有著極其復雜的原因,不僅與氣象條件、污染物排放有關,還與環(huán)境治理、減排措施、環(huán)流背景、地形地貌、上下游污染物傳輸擴散等多種因素有關,對于遼寧省這樣的老工業(yè)基地,還可能受到國有企業(yè)改革、工業(yè)轉型升級等因素影響。本文將遼寧全省作為一個整體,宏觀上分析了其影響因子,尚未對更小尺度的市或縣級區(qū)域進行分析,未來將針對遼寧省重點地區(qū)的霾日進行研究,更加精準地將霾日形成和變化的氣象因子和其他人為因子分離出來。